연결이 끊겨도 끝까지 일하는 AI 에이전트, Gemini Managed Agents

이제 Gemini 에이전트에게 여러 단계의 작업을 맡긴 뒤 연결을 종료해도 됩니다. 코드와 파일, 설치한 패키지, 원격 툴 연결을 그대로 유지한 채 Google 서버에서 작업이 계속됩니다. 2026년 7월 Managed Agents 업데이트에는 이를 실용적인 AI 에이전트로 만드는 네 가지 요소가 추가됐습니다. 백그라운드 실행, 원격 MCP 직접 연결, 커스텀 함수 호출, 그리고 워크스페이스를 다시 만들지 않고 자격 증명을 갱신하는 기능입니다.

따라서 이 기능을 이해하는 관점도 달라져야 합니다. 챗봇 탭을 계속 열어 두는 방식보다는 클라우드 작업자에게 업무 티켓을 넘기고, 결과가 준비됐을 때 확인하는 방식에 가깝습니다.

AI 에이전트로서 Gemini Managed Agents란 무엇인가

Gemini Managed Agents는 각자 Linux 워크스페이스를 갖는 임시 클라우드 작업자입니다. Google의 Interactions API를 한 번 호출하면 워크스페이스를 준비하고, 에이전트가 과제를 추론하며, Bash·Python·Node.js를 실행하고, 패키지를 설치하고, 파일을 관리하고, 웹을 검색할 수 있습니다. 결과에 도달할 때까지 이 과정을 반복하는 것도 가능합니다.

기본 작업자는 Google의 Antigravity 에이전트이며, 현재 식별자는 antigravity-preview-05-2026이고 Gemini 3.5 Flash로 구동됩니다. Interactions API 자체는 2026년 6월에 정식 출시됐지만, Managed Agents와 해당 실행 환경은 여전히 공개 프리뷰 단계입니다.

두 가지 ID는 서로 다른 종류의 기억을 담당합니다.

• previous_interaction_id는 작업 폴더에 해당합니다. 대화, 추론 과정, 툴 사용 기록을 보존합니다.
• environment_id는 작업실 열쇠에 해당합니다. 동일한 파일 시스템과 설치 패키지, 저장소 상태를 다시 엽니다.

둘 중 하나만 유지해도 됩니다. 환경 ID만 재사용하면 같은 워크스페이스에서 새 대화를 시작할 수 있고, 두 ID를 모두 전달하면 같은 장소에서 같은 작업을 이어갈 수 있습니다. 긴 세션이 컨텍스트 한도에 곧바로 닿지 않도록 약 135,000토큰부터 자동 컨텍스트 압축이 시작됩니다.

이 서비스는 대부분의 팀에 익숙한 소비자용 AI 에이전트와 직접 구축해야 하는 인프라의 중간에 놓여 있습니다. 모델 실행 루프와 샌드박스는 Google이 운영합니다. 제품 로직과 권한, 승인 규칙, 모니터링, 사용자 경험은 여전히 도입하는 팀의 책임입니다.

전문 용어 없이 살펴보는 AI 워크플로우 자동화 과정

새로운 흐름은 여섯 단계로 구성됩니다.

1. 워크스페이스를 새로 열거나 다시 엽니다. 새 샌드박스에는 environment: "remote"를 사용하고, 기존 환경을 재사용하려면 환경 ID를 전달합니다. 소스 저장소와 네트워크 규칙을 담은 전체 환경 구성을 제공할 수도 있습니다.
2. 꼭 필요한 툴만 허용합니다. 에이전트는 해당 환경에서 코드 실행, Google Search, URL 읽기, 파일 시스템 접근 기능을 사용할 수 있습니다. 원격 MCP 서버는 외부 툴을 제공하는 표준 커넥터입니다. 소문자로 된 이름과 URL, Streamable HTTP 전송 방식이 필요하며, 에이전트가 호출할 수 있는 서버 툴을 제한할 수도 있습니다.
3. 작업을 백그라운드로 보냅니다. background: true로 설정하면 하나의 불안정한 HTTP 연결을 작업 내내 유지할 필요 없이 API가 즉시 상호작용 ID를 반환합니다. 백그라운드 작업에는 store: true가 필요하며, 이 값이 기본값입니다.
4. 연결을 붙잡지 않고 진행 상황을 확인합니다. 상호작용 상태를 폴링하거나 이벤트를 스트리밍하면 됩니다. 스트림이 끊기면 마지막 event_id로 다시 연결해 이어갈 수 있습니다. 작업 상태는 진행 중, 조치 대기, 완료, 실패, 취소 가운데 하나입니다.
5. 민감한 비즈니스 작업은 애플리케이션에서 처리합니다. 내장 샌드박스 툴은 Google 측에서 실행됩니다. 커스텀 함수는 상호작용을 requires_action 상태에서 멈춥니다. 그러면 애플리케이션이 요청을 검증하고, 사람의 승인을 받고, 로컬 비즈니스 로직을 실행한 뒤 결과를 돌려보낼 수 있습니다.
6. 완료 후에도 작업을 이어갑니다. 후속 요청에는 완료된 상호작용 ID와 환경 ID를 함께 사용할 수 있습니다. 액세스 토큰이 만료되면 같은 환경 ID에 새 네트워크 구성을 담아 보내면 됩니다. 새 규칙이 기존 규칙을 대체하지만 파일과 패키지, 복제한 저장소는 그대로 남습니다.

워크스페이스는 지속되지만 영구적이지는 않습니다. 15분 동안 사용하지 않으면 중지되고 스냅샷이 생성되며, 마지막 활동 시점부터 7일 동안 재개할 수 있습니다. 이후에는 삭제됩니다. 현재 환경 하나에는 CPU 코어 4개와 메모리 16GB가 제공됩니다.

효과가 가장 뚜렷한 7가지 활용 사례

아래 순위는 새 기능이 비용이 큰 운영 병목을 얼마나 직접적으로 해소하는지를 기준으로 정했습니다.

1. AI가 생성한 풀 리퀘스트를 검토하는 소프트웨어 팀

기계가 작성한 코드가 끊임없이 들어오는 제품 팀이라면 풀 리퀘스트마다 백그라운드 작업을 하나씩 시작할 수 있습니다. 에이전트가 저장소를 열고 diff를 살펴본 뒤 프로젝트를 설치하고, 테스트를 실행하고, 여러 파일에 걸친 실패 원인을 추적하고, 로그와 수정안이 포함된 리뷰를 준비합니다. GitHub 또는 GitLab은 원격 MCP로 연결하고, 최종 댓글이나 코드 변경은 커스텀 승인 함수 뒤에 둘 수 있습니다.

핵심 가치는 또 하나의 일반적인 리뷰 댓글이 아닙니다. 시니어 엔지니어가 풀 리퀘스트를 열기 전에 실행 결과로 뒷받침된 1차 검토가 준비된다는 점입니다. 비동기 코딩이 일반적인 업무 방식으로 자리 잡을수록 중요해지는 변화이며, 이미 모바일·백그라운드 코딩 에이전트에서도 확인할 수 있습니다.

2. 정기 운영 보고서를 만드는 재무·데이터 팀

최신 CSV 내보내기 파일이 도착하면 운영 분석가가 작업자를 실행하고, MCP를 통해 데이터 웨어하우스에 연결할 수 있습니다. 에이전트는 데이터를 정리하고 Python 분석을 수행하며, 차트를 만들고, 작업 파일을 하나의 환경에 저장합니다. 수명이 짧은 웨어하우스 토큰이 만료돼도 애플리케이션이 새 토큰을 제공하면 됩니다. 에이전트가 도구 모음을 다시 설치하거나 중간 파일을 재생성할 필요가 없습니다.

가치는 작업의 연속성에 있습니다. 분석가는 노트북과 스프레드시트, 차트 도구, 채팅 창 사이에서 데이터를 반복해 옮기는 대신 완성된 보고서 하나와 근거 파일을 함께 검토할 수 있습니다.

3. 장애를 조사하는 신뢰성 팀

온콜 엔지니어는 에이전트에 관측성 MCP 서버와 소스 제어 커넥터 접근 권한을 준 뒤, 지연 시간 급증을 배포 기록과 로그, 최근 커밋에 대조해 달라고 요청할 수 있습니다. 엔지니어가 실시간 장애에 대응하는 동안 분석은 백그라운드에서 계속됩니다. 에이전트는 워크스페이스에 타임라인과 원인 후보, 진단 스크립트를 만들 수 있습니다.

압박이 큰 상황에서 근거 수집 속도를 높이는 것이 핵심입니다. 다만 프로덕션 복구 작업에는 명시적인 사람의 승인 절차가 반드시 있어야 합니다. 툴을 호출하는 작업자는 장애 대응에 유용하지만, 광범위한 프로덕션 자격 증명을 가진 무인 작업자는 그 자체로 새로운 장애의 씨앗입니다.

4. 감사 증빙을 구성하는 보안 팀

접근 권한 검토를 준비하는 컴플라이언스 책임자는 샌드박스가 승인된 도메인에만 접속하도록 제한하고, Google의 이그레스 프록시를 통해 읽기 전용 자격 증명을 주입할 수 있습니다. 그런 다음 에이전트가 정책 기록과 저장소 설정, 변경 이력을 수집하게 합니다. 자격 증명은 네트워크 경계에서 추가되므로 샌드박스 파일이나 환경 변수에 저장되지 않습니다.

일주일 동안 스크린샷을 찍고 복사해 붙이는 대신 반복 가능한 증빙 패키지를 얻는 것이 장점입니다. Managed Agents는 완성된 컴플라이언스 제품이 아니므로 애플리케이션 자체의 감사 추적과 승인 절차는 여전히 필요합니다.

5. 실사를 수행하는 투자·조달 팀

소규모 투자 팀은 범위가 명확한 조사 과제를 백그라운드 작업자에게 맡길 수 있습니다. 시장을 정리하고, 공급업체 주장을 비교하고, 저장소를 살펴보고, 계산을 수행한 뒤 출처 링크가 달린 메모를 작성하는 식입니다. 후속 질문에도 파일과 스크립트를 그대로 쓸 수 있으므로 두 번째 검토에서는 조사 환경부터 다시 만드는 대신 기존 가정을 따져볼 수 있습니다.

분석가의 브라우저 세션을 붙잡지 않으면서도 깊이 있는 결과를 얻을 수 있습니다. 다만 한계도 분명합니다. 현재 Antigravity가 받는 입력은 텍스트와 이미지뿐이며, 오디오와 비디오, 문서 입력은 지원하지 않습니다. 따라서 문서 중심 워크플로우에는 외부 추출 단계가 필요합니다.

6. 반복적인 고객 감사를 수행하는 에이전시

분석 또는 개발 에이전시는 고객 감사마다 별도의 환경을 만들고, 해당 고객이 승인한 시스템만 연결한 뒤, 시간이 오래 걸리는 점검을 각각 대기열에 넣을 수 있습니다. 한 워크스페이스에는 복제한 사이트와 성능 스크립트를, 다른 워크스페이스에는 캠페인 내보내기 파일과 보고 코드 작업물을 보관하는 식입니다.

환경 분리와 반복 가능성이 장점입니다. 팀은 7일의 유지 기간 동안 정확한 작업 상태를 보존해 후속 작업에 활용하면서, 서로 다른 고객의 파일이나 자격 증명이 섞이지 않게 할 수 있습니다.

7. 복잡한 사례를 처리하는 백오피스 팀

보험·물류·고객 지원 조직은 관리형 작업자를 활용해 여러 시스템에서 사건 이력을 모으고, 정책 규칙을 확인하고, 선택지를 계산하고, 다음 조치를 준비할 수 있습니다. 원격 MCP 툴에는 읽기 권한을 부여하고, 환불이나 계정 변경, 보험금 청구 결정은 검증된 애플리케이션 로직과 사람의 승인을 거치는 커스텀 함수에 맡깁니다.

여러 시스템에 흩어진 하나의 사례를 단일 연속 워크스페이스에서 처리할 수 있다는 것이 핵심입니다. 조사에 몇 분이 걸리고 단순한 트리거·액션 자동화로 축약할 수 없는 사례에 특히 유용합니다.

실제 제품으로 만들 만한 3가지 아이디어

기반 기능의 범위는 넓지만, 판매 가능한 제품은 범위가 좁고 성과를 측정할 수 있으며 신뢰 제어 장치를 갖춰야 합니다.

1. 최우선 선택: 모든 지적 사항을 증명하는 저장소 관리 도구

diff에 댓글만 다는 수준을 넘어선 기능이 필요한 팀을 위해 GitHub 또는 GitLab 앱을 만듭니다. 풀 리퀘스트마다 격리된 워크스페이스에서 프로젝트를 실행하고, 의심되는 문제를 재현하고, 로그를 첨부하고, 수정안을 작성한 뒤, 사람이 승인할 때까지 실제 코드 변경을 기다리는 제품입니다.

수요는 구체적입니다. DataForSEO는 미국에서 “AI code review”가 매월 약 1,300회 검색되고, CPC가 $46.65라고 추정합니다. “AI code review tools”도 매월 약 590회 검색되며, 현재 키워드 데이터셋에서 전년 대비 85% 증가했습니다. 구매자는 이미 비용을 지불하고 있습니다. CodeRabbit은 연간 결제 기준 사용자당 월 $24~$48 요금제를 제시하고, Greptile은 좌석당 월 $30를 제시합니다.

판매 가능한 최소 버전에는 소스 제어 연동 하나, 저장소 지침 파일 하나, 백그라운드 테스트 실행기, 원본 근거를 보여 주는 결과 페이지, 그리고 리뷰 게시 또는 패치 생성을 승인하는 액션 하나가 필요합니다. 처음부터 모든 언어를 지원하지는 마십시오. 테스트가 일반적이고 실행 환경 구성이 예측 가능한 생태계 하나를 선택하는 편이 낫습니다.

문제는 시장이 붐비고 신뢰를 얻기 어렵다는 점입니다. 실제 검색 질문에는 “AI 코드 리뷰는 어떻게 작동하나요?”와 “AI 코드가 안전한가요?”가 포함됩니다. Gemini에 접근할 수 있다는 사실만으로는 방어력을 만들 수 없습니다. 계속 축적되는 평가 데이터셋과 저장소별 규칙, 낮은 오탐률, 모든 지적 사항을 직접 검토할 수 있게 하는 근거가 경쟁력이 됩니다.

2. 특정 운영 팀을 위한 정기 데이터 마감 에이전트

한 회사의 주간 또는 월간 원천 데이터를 조정이 끝난 보고서로 바꾸고, 분석 코드와 중간 파일을 결과물 옆에 보관하는 작업자를 만듭니다. 운영·매출·재무 팀은 이 업무가 반복되고 오류를 눈으로 확인할 수 있기 때문에 비용을 지불합니다.

DataForSEO는 미국에서 “AI for data analysis”가 매월 3,600회 검색되는 상업적 쿼리이며, CPC는 $41.92라고 추정합니다. 더 구체적인 “AI agent for data analysis”는 매월 약 320회 검색되고 현재 키워드 난이도는 2입니다. 더 넓은 시장의 경쟁이 치열하더라도 초기 고객을 확보할 틈이 열려 있다는 신호입니다.

MVP에는 외부 스케줄러 또는 파일 도착 트리거, 웨어하우스 커넥터 하나, 스프레드시트 전송 대상 하나, 고정 보고서 템플릿, 실행 원장, 조정 화면이 필요합니다. 솔직한 약점은 출력 신뢰성입니다. Antigravity는 구조화된 출력을 지원하지 않으므로 중요한 표와 합계는 전달 전에 결정론적으로 검증해야 합니다.

3. 실질적인 승인 절차를 갖춘 수직형 워크플로우 실행기

공급업체 온보딩이나 보험금 청구 분류, 보안 증빙 수집처럼 한 가지 사례 유형에 집중해 만듭니다. 두세 개의 MCP 연결로 맥락을 가져오고, 긴 분석은 백그라운드에서 처리하며, 반드시 검증 또는 승인이 필요한 소수의 작업에는 커스텀 함수를 사용합니다.

DataForSEO는 미국에서 “AI workflow automation”이 매월 1,000회 검색되고 상업적 의도가 있으며, CPC가 $49.51라고 추정합니다. “AI workflow automation platform”도 매월 약 260회 검색되며 현재 키워드 데이터셋에서 전년 대비 320% 증가했습니다. 사용자들은 “AI로 워크플로우를 어떻게 자동화할 수 있나요?”라고 명시적으로 묻고 있습니다.

MVP에는 대기열 하나, 범위를 엄격하게 정한 워크플로우 하나, 연동 두 개, 승인함, 전체 실행 기록이 필요합니다. 문제는 범용 플랫폼의 함정입니다. 첫 버전부터 모든 워크플로우를 자동화하겠다고 약속하면 커넥터 작업과 예외 사례가 제품 전체를 집어삼킵니다. 먼저 비용이 많이 드는 프로세스 하나에서 승리해야 합니다.

Gemini Managed Agents가 해결하지 못하는 문제

관리형 실행은 인프라 업무를 줄여 주지만 제품과 운영 위험까지 없애 주지는 않습니다.

자격 증명 갱신 기능도 정확히 이해해야 합니다. 애플리케이션이 새 네트워크 규칙과 새 토큰을 제공하면 Google이 환경을 보존한다는 뜻입니다. 에이전트가 토큰을 직접 발급하거나 교체하는 것은 아닙니다.

결론은 명확합니다. 완료 조건이 분명하고, 결과물을 검토할 수 있으며, 권한 범위가 좁고, 승인 절차가 있는 한정된 작업에 적합합니다. 공개 프리뷰 단계의 에이전트에 제한 없는 프로덕션 관리자 역할을 맡기면 안 됩니다. Google도 생성된 코드와 데이터 변환, 구성 변경, 외부 작업을 신뢰하기 전에 검토하라고 안내합니다.

AI 기반 워크플로우 자동화란 무엇인가요?

모델이 정해진 트리거 순서만 따르는 대신 맥락을 해석하고 사용할 툴을 결정하는 워크플로우입니다. Gemini Managed Agents는 호스팅 워크스페이스와 백그라운드 실행 환경을 더하지만, 권한과 트리거, 검증, 승인 규칙은 여전히 애플리케이션이 정의합니다.

AI로 업무 워크플로우를 어떻게 자동화하나요?

입력이 명확하고 결과를 검증할 수 있으며 툴 연결이 몇 개를 넘지 않는 한정된 작업 하나에서 시작합니다. 분석은 백그라운드로 실행하고 읽기 권한은 좁게 유지하며, 되돌릴 수 없는 모든 작업은 커스텀 함수나 사람의 승인 뒤에 둡니다.

AI 자동화 워크플로우에는 어떤 사례가 있나요?

풀 리퀘스트 관리 도구가 좋은 사례입니다. 새 풀 리퀘스트를 받으면 샌드박스에서 저장소를 열고, 종속성을 설치하고, 테스트를 실행하고, 실패를 분석하고, 리뷰 초안을 만든 뒤, 게시하거나 코드를 변경하기 전에 승인을 기다립니다.

AI 코드 리뷰는 어떻게 작동하나요?

리뷰어가 저장소 맥락과 함께 코드 변경을 읽고 결함이나 정책 위반을 찾은 뒤 검토 의견을 제시합니다. 관리형 에이전트는 프로젝트를 직접 실행하고 로그나 테스트 결과까지 첨부할 수 있지만, 그 지적이 제품의 실제 의도에 맞는지는 사람이 최종 판단해야 합니다.

AI가 작성한 코드는 안전한가요?

기본적으로 안전하다고 볼 수는 없습니다. 샌드박스는 코드가 실행되는 범위를 제한하지만, 안전성은 코드와 툴 권한, 네트워크 규칙, 자격 증명, 테스트, 사람의 검토에도 좌우됩니다. 일반적인 검증 절차를 통과하기 전까지 에이전트 결과물을 신뢰하지 않은 기여물로 취급해야 합니다.

사용 중인 시스템과 권한, 승인 규칙에 맞춰 이러한 작업자를 설계하려면 AI 에이전트 개발을 살펴보십시오.